发挥数据的创新引擎作用******

　　作者：孙辰朔（清华大学习近平新时代中国特色社会主义思想研究院特约研究员）

　　随着数字技术创新和迭代速度加快，数据作为关键生产要素，已快速融入生产、分配、流通、消费和社会服务管理等各个环节，成为驱动经济社会发展的重要力量。习近平总书记指出，“发挥数据的基础资源作用和创新引擎作用，加快形成以创新为主要引领和支撑的数字经济”。中共中央、国务院前不久发布的《关于构建数据基础制度更好发挥数据要素作用的意见》对激活数据要素潜能、做强做优做大数字经济、构筑国家竞争新优势作出了一系列部署。切实用好数据要素，更好发挥数据的数字化、网络化、智能化基础作用，协同推进技术、模式、业态和制度创新，对于深化创新驱动、推动高质量发展具有重要意义。

　　数据要素是数字经济深化发展的核心引擎。充分发挥数据资源优势、挖掘数据价值潜力，需要不断完善数据要素培育和发展相关体制机制，加快构建数据基础制度，让数据要素更好为创新赋能，为推动高质量发展注入强大动能。

　　第一，数据要素能够推动知识技术创新。数据要素是指能够参与社会生产经营活动、可为使用者或所有者带来经济效益、以电子方式记录的数据。释放数据要素价值的关键在于数据开发利用。政府、企业、科研院所等在参与数据要素加工使用的过程中，通过结合人工智能算法、经济数学模型和领域专业知识，对研发、设计、生产、营销与决策各环节进行数据清洗、分析、建模，可以发现新的规律，研究出新的理论，创造新的知识或技术，带来更多经济效益和更大社会价值。

　　第二，数据要素能够优化科技创新要素配置。实现科技创新的要素包括劳动、资本、土地、技术、数据、企业创新精神等实体要素和虚拟要素。传统要素市场中存在信息不对称、要素流通不畅等，容易产生创新要素供需错配等问题，使创新资源的利用偏离最优配置。通过对数据要素的挖掘分析和利用，可以降低信息交互偏差和要素交易成本，推动创新要素流向高生产效率、高边际产出的企业和行业，打通“信息孤岛”和“数据壁垒”，从而实现要素高效配置。

　　第三，数据要素能够提升产业创新发展能力。一方面，作为数字化、网络化、智能化的基础，数据要素能够参与技术、产品、市场、组织、管理等创新过程，依靠信息技术创新驱动，推动数字产业化，不断催生新产业新业态新模式，培育壮大一批具有增长潜力的新兴产业，创造更多新需求和新就业岗位，挖掘新的经济增长点。另一方面，促进数据高效流通，推动产业数字化转型，实现数字经济与实体经济深度融合，将极大提升传统产业跨区域、跨场景、跨行业的协同创新水平，提升产业发展的质量和效益。

　　更好发挥数据要素对创新的推动作用，可重点从以下四个方面发力。

　　一是构建彰显创新引领的数据基础制度，鼓励数据要素投入创新。数据基础制度体系是数据要素赋能创新的制度保障。要建立数据产权制度，推动数据产权结构性分置和有序流通，强化高质量数据要素供给，推进数据分类分级确权授权使用和市场化流通交易。要建立合规高效的数据要素流通和交易制度，让数据要素更加顺畅地流通、更有效率地交易。要建立体现效率、促进公平的数据要素收益分配制度，激发数据要素赋能创新、协同创新的活力和潜能。还要加强政策支持和引导，激励创新创业创造，让更多数据要素参与创新过程。

　　二是推动数字与产业融合发展，深化产业链创新链融合。数据要素驱动创新的重要路径在于促进数字经济与实体经济深入融合，促进实体经济中的创新要素高效配置。要面向各市场主体、行业和区域需求，统筹推进数字化转型。数据要素驱动创新的关键抓手在于推动创新链产业链深度融合，要加强数据要素与其他生产要素的组合迭代、交叉融合，推动生产要素多领域、多维度、系统性突破，围绕产业链部署创新链、围绕创新链布局产业链，深入实施工业互联网创新发展战略，发挥数据的创新引擎作用。

　　三是致力打造数字人才高地，强化关键核心技术攻关。充分发挥数据要素作用，关键在于扩大高水平数字创新人才供给。要创新科技人才培养体系，将数字人才培养作为学科建设的重要内容，提升全民数字素养与技能，培养造就一大批既懂专业领域又懂数字技术的高水平复合型人才。还要提升关键软硬件技术创新和供给能力，加强数字科技基础理论研究和数字基础设施建设。

　　四是构建多方协同治理模式，筑牢数字经济创新发展安全屏障。发挥数据要素驱动创新的作用离不开强有力的安全治理，要充分发挥政府有序引导和规范发展的作用，构建政府、企业、社会多方协同治理模式。要压实企业的数据治理责任，增强企业社会责任，促进公平竞争。还要增强数据安全保障、网络安全防护等各方面能力，把安全要求贯穿数据要素赋能创新全过程。

报告显示：超六成受访者认为应强制企业公开算法******

　　光明网讯（记者 李政葳）“当前，国内对于算法治理的基本思路和框架都是清晰的，而分级分类精准治理的模式应当可以解决如何落实的问题。”在日前举办的“2022啄木鸟数据治理论坛”上，谈及算法治理的现状，清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正表示，算法分级分类本身不是目标，而是要针对不同风险场景配备不同监管规则。

　　论坛由南都个人信息保护研究中心联合清华大学人工智能国际治理研究院、人工智能治理研究中心（清华大学）主办。其间，南都个人信息保护研究中心发布《算法应用与治理观察报告》《个人信息安全年度报告》《平台经济反垄断观察报告》。

　　记者了解到，《算法应用与治理观察报告（2022）》，梳理了国内外的多项法规，结合热点事件及应用场景呈现了算法治理现状，并发布千份算法治理调查问卷了解公众对算法公开和算法治理的了解程度和基本态度，最后基于多方调查分析，给出了当前算法趋势观察以及未来治理方向建议。

　　报告发现，目前国内算法治理仍处于早期探索阶段，企业的算法公开主要依靠官方的互联网信息服务算法备案系统，或在舆情事件发生之后。调查问卷结果显示，近半受访者承认算法让自己的使用体验更好，但仅一成受访者认为企业算法公开做得很好，逾六成的受访者称曾遭遇“大数据杀熟”；超过六成的受访者认为应该强制企业公开算法。

　　“在数据、算法方面治理政策进展显著，在平台与应用方面的政策和落地尚需加紧。”中国科学院人工智能伦理与治理研究中心主任、国家新一代人工智能治理专委会委员曾毅认为，目前人工智能伦理有三个相当紧迫的问题需要被正视：首先，人工智能应当被适度使用；其次，目前人工智能服务知情同意落地艰难，被迫知情同意普遍存在；最后，目前用户数据的授权撤销在人工智能服务中存在巨大挑战，需要监管和更高层的网络服务提供方联合提出更合理的政策与解决方案。

　　针对日前发布的《互联网信息服务深度合成管理规定》，中国政法大学数据法治研究院教授张凌寒表示，从算法治理角度来说，深度合成管理规定与之前的算法推荐管理规定的思路有所不同，前者采用了一种“三位一体由的数据与技术规范。

　　具体来讲，由于深度合成技术的门槛较高，技术支持者也被纳入了监管范围内。比如，深度合成服务提供者提供智能对话、合成人声、人脸生成、沉浸式拟真场景等服务，应当进行显著标识，这就将更重的责任落在了服务提供者身上。

　　中国社科院科技和社会研究中心主任段伟文提到，算法治理需要构建可信任的算法认知，而这需要产业和消费者的共同努力：产业要努力提升算法精准性、透明度，减少偏见，减少歧视；消费者则需要提高数字素养，提升算法意识，加强在人机互动中自主性、控制感和协同意识。